Порівняння можливостей ШІ-моделей
Використання комп'ютера
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
Agent's Last Exam — Pass rateФінальний іспит агента — відсоток проходження
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| № | Модель | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
Джерело: Google DeepMind (model card) ↗
Картка моделі Google: результати видавця та повторно опубліковані оцінки третіх сторін, станом на жовтень 2026 року. Див. методологію щодо параметрів оцінювання; це не всі незалежні оцінювання. Методологія оцінювання ↗
Agent's Last Exam — Pass rate · Source date unknown
PandaNpc Оновлено 21 жовт. 2026 р., 06:01 UTC
Джерело: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Довідка зі стовпців
- №
- Лише порядок відображення. Сортування змінює це число; це не опублікований рейтинг спроможностей.
- Модель
- Назва оцінюваної моделі та значок її постачальника. Прочерк у стовпці оцінки означає, що тут немає опублікованої оцінки, а не нуль.
- Оцінка
- Перевіряє довготривалу професійну роботу в реальних програмних середовищах. Відсоток проходження враховує завдання, що досягають потрібного результату, а не лише частковий поступ. Методологія оцінювання ↗
- Покриття
- Показано лише опубліковані результати для вибраних сімейств моделей. OSWorld 2.x, Verified і Pro наразі надають конфігурації Claude Opus 5; це не повне покриття всіх моделей. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web і WorkArena++ ще не інтегровано тут. SafeArena вимірює безпеку окремо й не додається до оцінок завершення завдань. Відсутні результати ніколи не заповнюються нулем.